本技術(shù)涉及自動駕駛領(lǐng)域，特別涉及一種基于vtk和點云的地圖道路繪制方法。

背景技術(shù)：

1、隨著全球定位系統(tǒng)（gps）、慣性導航系統(tǒng)（ins）等技術(shù)的發(fā)展，車載移動測量系統(tǒng)得到了廣泛應(yīng)用。利用車載激光雷達、全景相機等傳感器采集的海量點云數(shù)據(jù)，為道路設(shè)施、地物要素提取以及高精度地圖制作提供了數(shù)據(jù)基礎(chǔ)。高精度地圖是自動駕駛的核心要素之一，對于車輛精確定位、環(huán)境感知、路徑規(guī)劃等功能至關(guān)重要。

2、傳統(tǒng)的導航地圖主要服務(wù)于人工駕駛，對道路的幾何精度要求相對較低。然而，隨著自動駕駛技術(shù)的快速發(fā)展，自動駕駛汽車對環(huán)境信息的精度提出了更高的要求，現(xiàn)有導航地圖已無法滿足自動駕駛的需求。高精度地圖能夠以厘米級的精度描述道路的幾何形狀、拓撲結(jié)構(gòu)以及道路上的交通設(shè)施等，使無人車能夠精確定位自身位置，了解道路環(huán)境，做出正確的決策控制。

3、在高精度地圖的制作過程中，道路作為最重要的要素之一，其提取與重建的方法備受關(guān)注。利用三維激光雷達點云數(shù)據(jù)進行道路提取是高精地圖制作的關(guān)鍵技術(shù)。點云數(shù)據(jù)具有高精度、高密度、信息豐富等特點，能夠真實反映道路場景的空間信息，是道路矢量化的重要數(shù)據(jù)源。

4、現(xiàn)有技術(shù)中，道路提取主要采用分層分塊的策略，即將道路邊界和道路中心線視為不同的要素單獨提取。這種方法需要對邊界和中心線分別進行人工標注、編輯和修改，工作量大且效率低下。此外，由于缺乏有效的后處理手段，提取得到的道路矢量數(shù)據(jù)往往存在線條不平滑、精度不高等問題，難以滿足自動駕駛地圖的質(zhì)量要求。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的道路繪制效率低的問題，本技術(shù)提供了一種基于vtk和點云的地圖道路繪制方法，首先使用八叉樹對道路點云進行空間劃分，并通過坐標變換將點云坐標系與相機坐標系對齊。然后，通過屏幕交互在變換后的點云上繪制道路參考線，并根據(jù)參考線生成道路邊界和中心線的初始位置。接著，利用dbscan算法在道路邊界附近提取點云并進行聚類，通過均勻b樣條曲線擬合得到平滑的道路邊界曲線。最終輸出擬合后的道路邊界曲線，作為地圖道路的矢量化表示，提高了繪制效率。

2、本技術(shù)的目的通過以下技術(shù)方案實現(xiàn)。

3、本技術(shù)提供一種基于vtk和點云的地圖道路繪制方法，包括：使用vtk獲取道路的點云數(shù)據(jù)，并使用八叉樹對點云數(shù)據(jù)進行空間劃分，得到空間劃分后的點云數(shù)據(jù)；通過八叉樹算法，將大規(guī)模的道路點云數(shù)據(jù)劃分為多個小的空間區(qū)域，每個區(qū)域內(nèi)的點云數(shù)量相對較少，便于后續(xù)的處理和分析。同時，八叉樹的層次結(jié)構(gòu)也為點云的快速檢索和鄰域搜索提供了便利。八叉樹算法的時間復雜度為o（nlogn），其中n為點云的數(shù)量，能夠高效地處理大規(guī)模點云數(shù)據(jù)。對空間劃分后的點云數(shù)據(jù)進行坐標變換，將點云坐標系的z軸與相機坐標系的z軸對齊；根據(jù)坐標變換后的點云數(shù)據(jù)，通過屏幕交互取點的方式，繪制道路參考線；根據(jù)道路參考線，通過幾何變換，生成道路邊界與中心線；利用dbscan算法對道路邊界預(yù)設(shè)范圍內(nèi)的點云進行聚類與邊緣提取，并采用b樣條曲線進行平滑處理，得到最終的道路邊界，作為繪制的地圖道路。

4、進一步的，將點云坐標系的z軸與相機坐標系的z軸對齊，包括：構(gòu)建相機坐標系與點云坐標系之間的變換矩陣：，其中，表示相機坐標系下的點，r表示旋轉(zhuǎn)矩陣，t表示平移向量，表示點云坐標系下的點；根據(jù)變換矩陣，將空間劃分后的每個點云數(shù)據(jù)點乘以變換矩陣，得到變換后的點；將變換后的點作為坐標變換后的點云數(shù)據(jù)點；根據(jù)變換后的所有點云數(shù)據(jù)點，更新點云的坐標系，得到點云坐標系z軸與相機坐標系z軸對齊的點云數(shù)據(jù)。

5、進一步的，繪制道路參考線，包括：通過屏幕交互，在坐標變換后的點云數(shù)據(jù)上選取位于道路邊界的點，點位于相機坐標系下；將點根據(jù)變換矩陣轉(zhuǎn)換到點云坐標系下，得到對應(yīng)的點；以點為查詢點，利用八叉樹搜索點預(yù)設(shè)范圍內(nèi)的點云子集；在點云子集中，計算每個點到點的歐式距離，選擇距離最小的點作為；將點作為道路參考線的第一個點，并將點反向映射回相機坐標系，得到對應(yīng)的屏幕坐標；以屏幕坐標為起點，重復以上過程，選擇第二個參考點至第n個參考點；按照各點的選擇順序，依次連接所有參考點，生成道路參考線。

6、進一步的，利用八叉樹搜索點預(yù)設(shè)范圍內(nèi)的點云子集，包括：設(shè)置以點為中心的長方體搜索范圍；從八叉樹的根節(jié)點開始，遞歸地遍歷每個節(jié)點：如果當前節(jié)點的邊界框位于長方體搜索范圍內(nèi)，則將相應(yīng)節(jié)點對應(yīng)的點云數(shù)據(jù)添加到點云子集；如果當前節(jié)點的邊界框與長方體搜索范圍部分重疊，則：如果當前節(jié)點包含的點云數(shù)量小于預(yù)設(shè)閾值，則將當前節(jié)點包含的全部點云數(shù)據(jù)添加到點云子集；否則，對其八個子節(jié)點遞歸執(zhí)行以上判斷；如果當前節(jié)點的邊界框與長方體搜索范圍不相交，則跳過對應(yīng)節(jié)點；遞歸結(jié)束后，合并搜索得到的所有點云數(shù)據(jù)，作為點的初始點云子集；計算初始點云子集中的每個點的法向量，并計算法向量與預(yù)設(shè)道路法向量的夾角；如果夾角大于閾值，則將對應(yīng)點作為噪聲點，從初始點云子集中刪除，得到最終的點云子集。

7、進一步的，通過幾何變換，生成道路邊界與中心線，包括：遍歷得到的道路參考線上的點，對于每兩個相鄰點和：建立p1和p2的直線方程：；計算直線方程的單位法向量；根據(jù)單位法向量和預(yù)設(shè)道路寬度w，得到平移方程一和平移方程二；求解平移方程一和平移方程二，得到交點，作為道路邊界候選點；計算向量，其中，為上一時間步確定的道路邊界點坐標；計算向量；計算向量和向量的夾角；若θ小于，其中為預(yù)設(shè)閾值，則保留作為新的道路邊界點；若θ大于等于，則拋棄平移方程二，令，返回重新計算交點，直到θ小于；遍歷結(jié)束后，分別得到左側(cè)道路邊界點集和右側(cè)道路邊界點集；分別對和按照點的道路方向坐標值進行排序；等比例劃分排序后的和，得到等數(shù)量的采樣點集和；依次連接和中對應(yīng)下標的點的中點，形成有序點集，作為道路中心線；輸出、和，分別作為左側(cè)道路邊界、右側(cè)道路邊界和道路中心線。

8、其中，閾值表示當前候選邊界點與上一確定邊界點的連線向量，與道路走向向量之間的最大允許夾角；越小，表示對邊界點位置變化的容忍度越低，要求邊界點之間的連線更加平行于道路走向，越大，表示允許邊界點之間的連線有更大的偏離，容忍度更高。的取值范圍為[0°，90°]。

9、進一步的，平移方程一表達式如下：；平移方程二表達式如下：；其中，w表示道路寬度。

10、進一步的，利用dbscan算法對道路邊界預(yù)設(shè)范圍內(nèi)的點云進行聚類與邊緣提取，包括：獲取左側(cè)道路邊界點集和右側(cè)道路邊界點集；分別對和中的每個邊界點：以為中心，道路半寬w/2為半徑，w為道路寬度，提取附近的點云子集；利用dbscan算法對點云子集進行聚類，得到個聚類簇；對于每個聚類簇：使用k-means算法在中獲取距最近的點；計算到直線的距離，其中為相鄰邊界點；在中選取最小的點作為邊界點的更新點；用替換，更新邊界點集；重復上述步驟，直至和中所有邊界點更新完畢，得到新的邊界點集和；分別在和上使用三次均勻b樣條曲線進行擬合，得到左右道路邊界曲線和；輸出和作為最終的道路邊界。

11、進一步的，利用dbscan算法對點云子集進行聚類，包括：設(shè)定dbscan算法的半徑參數(shù)ε和最小點數(shù)閾值minpts；隨機選擇中的一個點p，標記p為已訪問；以p為中心，ε為半徑，找出中所有與p的距離小于ε的點集；若，則將p標記為噪聲點；若，則創(chuàng)建一個新的聚類簇c，將p添加到c，并將中所有未被訪問的點加入到候選集合s；當s不為空時，執(zhí)行：從s中取出一個點q；以q為中心，ε為半徑，找出中所有與q的距離小于ε的點集；如果，將中所有未被訪問的點加入s；如果q不屬于任何聚類簇，將q添加到c；當時，將q標記為噪聲點；輸出中獲得的所有的聚類簇，作為dbscan聚類的結(jié)果。

12、進一步的，分別在和上使用三次均勻b樣條曲線進行擬合，得到左右道路邊界曲線和，包括：對或中的點集按照道路方向坐標值進行排序，得到排序后的邊界點集或；選擇或中的前n+1個點作為控制點；根據(jù)控制點，計算的第一階差熵矩陣：；根據(jù)第一階差商矩陣，計算的第二階差熵矩陣：；根據(jù)第二階差商矩陣，計算第三階差商矩陣：；基于控制點和各階差商矩陣，采用三次均勻b樣條基函數(shù)構(gòu)造左側(cè)或右側(cè)道路邊界曲線或的參數(shù)方程；輸出和分別作為擬合得到的左右道路邊界曲線。

13、進一步的，參數(shù)方程表達式如下：；；其中，l表示left，代表道路的左邊界；r表示right，代表道路的右邊界。表示第i個控制點的坐標，i是控制點的編號，取值范圍為i=0,1,...,n，表示由所有控制點組成的有序點集，控制點是b樣條曲線的特征多邊形頂點，決定了曲線的整體形狀。n表示b樣條曲線的次數(shù)（degree），對于三次（cubic）均勻b樣條，n恒等于3，n+1表示控制點的總數(shù)，即中點的個數(shù)。表示第i個三次b樣條基函數(shù)，下標i對應(yīng)第i個控制點，下標3表示基函數(shù)的次數(shù)為3，即三次；u是基函數(shù)的自變量，表示曲線上點的參數(shù)坐標；基函數(shù)決定了控制點對曲線上參數(shù)為u的點的影響權(quán)重；u是b樣條曲線的參數(shù)變量，表示曲線上點的參數(shù)坐標，每個u值唯一確定曲線上的一個點c(u)，u的取值范圍為[0,?1]，代表從曲線的起點到終點，通過改變u值，可以連續(xù)地獲得整條b樣條曲線；

14、利用dbscan算法對道路邊界點云進行聚類和邊緣提取，剔除了離散點和噪聲點，獲得了更加準確和平滑的道路邊界點集。然后，采用三次均勻b樣條曲線對邊界點集進行擬合，得到了連續(xù)光滑的道路邊界曲線，可以較好地表示道路的形狀和走向。

15、相比于現(xiàn)有技術(shù)，本技術(shù)的優(yōu)點在于：

16、傳統(tǒng)的道路繪制方法需要對道路邊界和中心線分別進行標繪，工作量大且效率低下。本技術(shù)通過在點云上繪制單根參考線，利用幾何變換自動生成道路邊界和中心線，大大減少了人工編輯的工作量，顯著提高了道路繪制的效率。

17、道路點云常常受到車輛、行人等障礙物的遮擋，以及局部點云缺失等因素的影響。本技術(shù)采用八叉樹對點云進行空間劃分，結(jié)合屏幕交互取點的方式繪制參考線，可以靈活避開障礙物干擾，提高參考線提取的魯棒性。同時，利用dbscan聚類算法對道路邊界點云進行提取，克服了噪聲點的干擾，保證了道路邊界提取的可靠性。

18、現(xiàn)有的道路矢量化方法往往精度不高，生成的道路邊界與實際道路邊緣存在偏差。本技術(shù)在坐標變換的基礎(chǔ)上，通過迭代計算邊界點的方式提取道路邊界，保證了邊界與點云的幾何一致性。進一步地，采用均勻b樣條曲線對邊界點進行擬合，使得矢量化后的道路邊界更加光滑、平直，與真實道路形狀更加吻合。

19、由于點云的采集角度和坐標系與地圖坐標系存在差異，直接在點云上繪制的參考線往往與道路方向不一致。本技術(shù)通過構(gòu)建點云坐標系與相機坐標系的變換矩陣，將參考線從屏幕坐標系變換到點云坐標系，確保生成的道路邊界與中心線與實際道路方向一致，提高了方法的適用性。

20、傳統(tǒng)方法生成的道路矢量數(shù)據(jù)往往需要大量的人工編輯和修改。本技術(shù)利用點云空間信息，通過坐標變換、幾何計算、點云聚類、曲線擬合等一系列算法，實現(xiàn)了從道路參考線到矢量化道路邊界的自動化處理，最大限度地減少了人工編輯量，提高了道路制圖的自動化水平。